采用贝叶斯优化和多尺度卷积网络的五相永磁同步电机匝间短路诊断

作     者：戴显阳 陈前 宋向金 刘正蒙 徐高红 DAI Xianyang;CHEN Qian;SONG Xiangjin;LIU Zhengmeng;k XU Gaohong

作者机构：江苏大学电气信息工程学院镇江212013 

出 版 物：《电气工程学报》 (Journal of Electrical Engineering)

年 卷 期：2023年第18卷第4期

页      面：114-123页

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金资助项目(52077097) 

主　　题：故障诊断 匝间短路 五相永磁同步电机 多尺度卷积网络 贝叶斯优化 

摘      要：传统神经网络算法虽成功应用于永磁电机的匝间短路故障诊断中,但其在噪声干扰下难以提取出足够的故障特征量,且依靠经验选取的模型超参数无法达到性能最优,限制了其应用范围。为此,提出了一种采用贝叶斯优化的多尺度卷积神经网络算法,并将其用于五相永磁同步电机早期ITSC故障诊断。首先,使用多尺度卷积神经网络采集足够的故障特征。其次,引入贝叶斯优化算法实现模型超参数全局寻优,节省调参时间。最后,该算法通过提取实际电流信号数据实现不同短路情况下的早期ITSC故障诊断。为了证明所提算法的优越性,将其与其他四种算法进行比较,结果表明所提方法的准确率更高。